第22卷第9期2023年9月Vol.22No.9Sept.2023软件导刊SoftwareGuide基于半监督引导的网络APT检测知识图谱构建王梦瑶，杨婉霞，王巧珍，赵赛，熊磊（甘肃农业大学机电工程学院，甘肃兰州，730070）摘要：各国信息系统等重要设施的高级持续性威胁（APT）攻击愈发频繁，且APT具有针对性强、隐蔽性好、破坏性大等特点。为了高效检测APT攻击，提出一种基于知识库的APT攻击检测方案。首先，通过搜集大量开源APT威胁数据，提出一种基于深度学习级联模型结构的新型APT知识获取方法。然后，针对数据的多源异构性，提出一种半监督Bootstrap的知识融合方法，以自动构建APT知识图谱。接下来，针对APT攻击检测识别的准确性，提出一种基于Bert+BiLSTM+Self-Attention+CRF模型的APT攻击检测方案，Bert模型提取文本特征，BILSTM提取输入语句与上下文之间的关系，融合Self-Attention机制关注上下文中的语义及APT实体间的关系，CRF模型根据标签间的依赖关系提取全局最优的输出标签序列，以得到APT攻击命名实体。实验表明，Bert+BiLSTM+Self-Attention+CRF模型的准确率、召回率、F1值分别达到88.69%、77.13%和82.5%，整体性能相较于现有方法更优。关键词：知识图谱；高级持续威胁；深度学习；APT攻击DOI：10.11907/rjdk.222304开放科学（资源服务）标识码（OSID）：中图分类号：TP391文献标识码：A文章编号：1672-7800（2023）009-0147-07KnowledgeGraphConstructionBasedaSemi-SupervisedBootstrapforNetworkAPTDetectionWANGMengyao，YANGWanxia，WANGQiaozhen，ZHAOSai，XIONGLei（SchoolofMechanicalandElectricalEngineering，GansuAgriculturalUniversity，Lanzhou730070，China）Abstract：Advancedpersistentthreat（APT）attacksonimportantfacilitiessuchasinformationsystemsinvariouscountriesarebecomingin⁃creasinglyfrequent，andAPThasthecharacteristicsofstrongtargeting，goodconcealment，andhighdestructivepower.Inordertoefficient⁃lydetectAPTattacks，aknowledge-basedAPTattackdetectionschemeisproposed.Firstly，bycollectingalargeamountofopen-sourceAPTthreatdata，anovelAPTknowledgeacquisitionmethodbasedondeeplearningcascadingmodelstructureisproposed.Then，aimingatthemulti-sourceheterogeneityofdata，asemisupervisedbootstrapknowledgefusionmethodisproposedtoautomaticallybuildtheAPTKnowledgegraph.Next，inordertoimp...
